https://www.cnblogs.com/foreach-break/p/external_sort.html

問題

給你1個文件bigdata，大小4663M，5億個數，文件中的數據隨機,如下一行一個整數：

<code>6196302
3557681
6121580
2039345
2095006
1746773
7934312
2016371
7123302
8790171
2966901
...
7005375
/<code>

現在要對這個文件進行排序，怎麼搞？

內部排序

先嚐試內排，選2種排序方式：

3路快排：

<code>private final int cutoff = 8;

public  void perform(Comparable[] a) {
        perform(a,0,a.length - 1);
    }

    private  int median3(Comparable[] a,int x,int y,int z) {
        if(lessThan(a[x],a[y])) {
            if(lessThan(a[y],a[z])) {
                return y;
            }
            else if(lessThan(a[x],a[z])) {
                return z;
            }else {
                return x; 

            }
        }else {
            if(lessThan(a[z],a[y])){
                return y;
            }else if(lessThan(a[z],a[x])) {
                return z;
            }else {
                return x;
            }
        }
    }

    private  void perform(Comparable[] a,int low,int high) {
        int n = high - low + 1;
        //當序列非常小，用插入排序
        if(n <= cutoff) {
            InsertionSort insertionSort = SortFactory.createInsertionSort();
            insertionSort.perform(a,low,high);
            //當序列中小時，使用median3
        }else if(n <= 100) {
            int m = median3(a,low,low + (n >>> 1),high);
            exchange(a,m,low);
            //當序列比較大時，使用ninther
        }else {
            int gap = n >>> 3;
            int m = low + (n >>> 1);
            int m1 = median3(a,low,low + gap,low + (gap << 1));
            int m2 = median3(a,m - gap,m,m + gap);
            int m3 = median3(a,high - (gap << 1),high - gap,high);
            int ninther = median3(a,m1,m2,m3);
            exchange(a,ninther,low);
        }

        if(high <= low)
            return;
        //lessThan
        int lt = low;
        //greaterThan
        int gt = high;
        //中心點
        Comparable pivot =  a[low];
        int i = low + 1;

        /* 

        * 不變式：
        *   a[low..lt-1] 小於pivot -> 前部(first)
        *   a[lt..i-1] 等於 pivot -> 中部(middle)
        *   a[gt+1..n-1] 大於 pivot -> 後部(final)
        *
        *   a[i..gt] 待考察區域
        */

        while (i <= gt) {
            if(lessThan(a[i],pivot)) {
                //i-> ,lt ->
                exchange(a,lt++,i++);
            }else if(lessThan(pivot,a[i])) {
                exchange(a,i,gt--);
            }else{
                i++;
            }
        }

        // a[low..lt-1] < v = a[lt..gt] < a[gt+1..high].
        perform(a,low,lt - 1);
        perform(a,gt + 1,high);
    }
/<code>

歸併排序：

<code>/**
     * 小於等於這個值的時候，交給插入排序
     */
    private final int cutoff = 8;

    /**
     * 對給定的元素序列進行排序
     *
     * @param a 給定元素序列
     */ 

    @Override
    public  void perform(Comparable[] a) {
        Comparable[] b = a.clone();
        perform(b, a, 0, a.length - 1);
    }

    private  void perform(Comparable[] src,Comparable[] dest,int low,int high) {
        if(low >= high)
            return;
            
        //小於等於cutoff的時候,交給插入排序
        if(high - low <= cutoff) {
            SortFactory.createInsertionSort().perform(dest,low,high);
            return;
        }

        int mid = low + ((high - low) >>> 1);
        perform(dest,src,low,mid);
        perform(dest,src,mid + 1,high);

        //考慮局部有序 src[mid] <= src[mid+1]
        if(lessThanOrEqual(src[mid],src[mid+1])) {
            System.arraycopy(src,low,dest,low,high - low + 1);
        }

        //src[low .. mid] + src[mid+1 .. high] -> dest[low .. high]
        merge(src,dest,low,mid,high);
    }
    
    private  void merge(Comparable[] src,Comparable[] dest,int low,int mid,int high) {

        for(int i = low,v = low,w = mid + 1; i <= high; i++) {
            if(w > high || v <= mid && lessThanOrEqual(src[v],src[w])) {
                dest[i] = src[v++];
            }else {
                dest[i] = src[w++];
            }
        }
    }
 
/<code>

數據太多，遞歸太深 ->棧溢出？加大Xss？ 數據太多，數組太長 -> OOM？加大Xmx?

耐心不足，沒跑出來.而且要將這麼大的文件讀入內存，在堆中維護這麼大個數據量，還有內排中不斷的拷貝，對棧和堆都是很大的壓力，不具備通用性。

sort命令來跑

<code>sort -n bigdata -o bigdata.sorted
/<code>

跑了多久呢？24分鐘.

為什麼這麼慢？

粗略的看下我們的資源：

內存 jvm-heap/stack，native-heap/stack,page-cache，block-buffer 外存 swap + 磁盤 數據量很大，函數調用很多，系統調用很多，內核/用戶緩衝區拷貝很多，髒頁回寫很多，io-wait很高，io很繁忙，堆棧數據不斷交換至swap，線程切換很多，每個環節的鎖也很多.

總之，內存吃緊，問磁盤要空間，髒數據持久化過多導致cache頻繁失效，引發大量回寫，回寫線程高，導致cpu大量時間用於上下文切換，一切，都很糟糕，所以24分鐘不細看了，無法忍受.

位圖法

<code>private BitSet bits;

    public void perform(
            String largeFileName,
            int total,
            String destLargeFileName,
            Castor<integer> castor,
            int readerBufferSize,
            int writerBufferSize,
            boolean asc) throws IOException {

        System.out.println("BitmapSort Started.");
        long start = System.currentTimeMillis();
        bits = new BitSet(total);
        InputPart<integer> largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize);
        OutputPart<integer> largeOut = PartFactory.createCharBufferedOutputPart(destLargeFileName, writerBufferSize);
        largeOut.delete();

        Integer data;
        int off = 0;
        try {
            while (true) {
                data = largeIn.read();
                if (data == null)
                    break;
                int v = data;
                set(v);
                off++;
            }
            largeIn.close();
            int size = bits.size();
            System.out.println(String.format("lines : %d ,bits : %d", off, size));

            if(asc) {
                for (int i = 0; i < size; i++) {
                    if (get(i)) {
                        largeOut.write(i); 

                    }
                }
            }else {
                for (int i = size - 1; i >= 0; i--) {
                    if (get(i)) {
                        largeOut.write(i);
                    }
                }
            }

            largeOut.close();
            long stop = System.currentTimeMillis();
            long elapsed = stop - start;
            System.out.println(String.format("BitmapSort Completed.elapsed : %dms",elapsed));
        }finally {
            largeIn.close();
            largeOut.close();
        }
    }

    private void set(int i) {
        bits.set(i);
    }

    private boolean get(int v) {
        return bits.get(v);
    }
/<integer>/<integer>/<integer>/<code>

nice!跑了190秒，3分來鍾. 以核心內存4663M/32大小的空間跑出這麼個結果，而且大量時間在用於I/O，不錯.

問題是，如果這個時候突然內存條壞了1、2根，或者只有極少的內存空間怎麼搞？

外部排序

該外部排序上場了,外部排序幹嘛的？

• 內存極少的情況下，利用分治策略，利用外存保存中間結果，再用多路歸併來排序;
• map-reduce的嫡系；

1.分

內存中維護一個極小的核心緩衝區memBuffer，將大文件bigdata按行讀入，蒐集到memBuffer滿或者大文件讀完時，對memBuffer中的數據調用內排進行排序，排序後將有序結果寫入磁盤文件bigdata.xxx.part.sorted. 循環利用memBuffer直到大文件處理完畢，得到n個有序的磁盤文件：

2.合

現在有了n個有序的小文件，怎麼合併成1個有序的大文件？ 把所有小文件讀入內存，然後內排？ (⊙o⊙)… no!

利用如下原理進行歸併排序：

我們舉個簡單的例子：

<code>文件1：3,6,9
文件2：2,4,8
文件3：1,5,7

第一回合：
文件1的最小值：3 , 排在文件1的第1行
文件2的最小值：2，排在文件2的第1行 

文件3的最小值：1，排在文件3的第1行
那麼，這3個文件中的最小值是：min(1,2,3) = 1
也就是說，最終大文件的當前最小值，是文件1、2、3的當前最小值的最小值，繞麼？
上面拿出了最小值1，寫入大文件.

第二回合：
文件1的最小值：3 , 排在文件1的第1行
文件2的最小值：2，排在文件2的第1行
文件3的最小值：5，排在文件3的第2行
那麼，這3個文件中的最小值是：min(5,2,3) = 2
將2寫入大文件.

也就是說，最小值屬於哪個文件，那麼就從哪個文件當中取下一行數據.（因為小文件內部有序，下一行數據代表了它當前的最小值）
/<code>

最終的時間，跑了771秒，13分鐘左右.

<code>less bigdata.sorted.text
...
9999966
9999967
9999968
9999969
9999970
9999971
9999972
9999973
9999974 

9999975
9999976
9999977
9999978
.../<code>

閱讀更多 大架構文摘 的文章

關鍵字: src mid Comparable